پیش‌بینی و رتبه‌بندی فاکتورهای جذب مشتری در شرکت‌های بیمه‌ به وسیله مدل تحلیل‌پوششی‌داده‌های‌شبکه‌ای و تئوری پویایی‌شناسی انتشار باس (مطالعه موردی: شرکت بیمه ملت شیراز)

افزایش رقابت در صنعت بیمه، اکثر مدیران این صنعت را به فکر چاره‌اندیشی برای حضور ماندگار در عرصه کسب‌وکار انداخته‌است، بنابراین آن‌ها ناگزیرند، به دنبال راهکارهایی ‌باشند که در کنار افزایش فروش بیمه‌نامه‌ها به هدف‌های دیگری نیز دست‌یابند ازجمله فاکتورهای جذب مشتری نظیر کاهش هزینه‌ها، کیفیت خدمات، رفتار مناسب کارکنان، کاهش بوروکراسی اداری، کاهش زمان انجام کار مشتری حین ورود به شرکت، کاهش زمان پرداخت خسارت به مشتری و نوآوری برای به‌دست آوردن مزیت رقابتی و غیره. لذا هدف این پژوهش پیش‌بینی و رتبه‌بندی فاکتورهای جذب مشتری در شرکت بیمه ملت شیراز طی سه سال 1398 تا 1400 می‌باشد. برای این منظور از ابزار پویایی‌شناسی و تحلیل ‌پوششی‌ داده‌های ‌شبکه‌ای استفاده شده است. به‌منظور تدوین فاکتورهای جذب مشتری ابتدا نمودار علیحلقوی و سپس نمودار جریانحالت، شبیه‌سازی شد. سپس این عملیات برای سناریوهای مختلف اجرا گردید و نتایج شبیه‌سازی شده به‌عنوان ورودی مدل تحلیل‌ پوششی ‌داده‌های شبکه‌ای قرار گرفته شد و بر اساس نتیجه به‌دست‌آمده، بهترین و کاراترین فاکتورهای جذب مشتری انتخاب شد و به بررسی تعامل این برگ خریدها و میزان تاثیر آن‌ها بر موفقیت مشتری مداری پرداخته شد.

Predicting and benchmarking the factors of customer attraction in insurance companies by the model of network data envelopment analysis and the theory of dynamics of bass publishing

Increasing competition in the insurance industry has made most industry executives think of ways to stay in business, so they have to look for ways to increase their sales and other goals, including attracting customers. Such as; reducing costs, quality of service, proper behavior of employees, reducing administrative bureaucracy, reducing the time to do customer work when entering the company, reducing the time to pay compensation to the customer and innovation to gain competitive advantage and so on. Therefore, the purpose of this study is to predict and rank the factors of customer attraction in Mellat Insurance Company of Shiraz during the three years 2019 to 2021. For this purpose, the system dynamics model and network data envelopment analysis have been used. In order to formulate the factors of customer attraction, first the causalloop diagram and then the stockflow diagram were simulated. Then, this operation was performed for different scenarios and the simulated results were entered as the input of the network data envelopment analysis model. Based on the obtained result, the best and most efficient factors of customer attraction were selected and the interaction of these factors and their impact and the success of customer orientation was addressed.